医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长，传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断，可大大缓解人工阅片压力，提高诊断的准确性，促进医疗流程的标准化建设等。目前，深度学习卷积神经网络在医学影像处理中已取得不俗表现，但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解，对近几年相关研究进展进行了综述。首先，综述了深度学习在医学领域的应用现状及面临的问题，对神经网络的可解释性内涵进行了讨论；然后，从现有深度学习可解释性的常见方法出发，重点讨论了医学影像处理的深度学习可解释性研究进展；最后，探讨了医学影像处理的深度学习可解释性的发展趋势。     

无单调性集值变分不等式的一种投影算法

本文给出了求解无单调性集值变分不等式的一个新的投影算法,该算法所产生的迭代序列在Minty变分不等式解集非空且映射满足一定的连续性条件下收敛到解.对比文献[10]中的算法,本文中的算法使用了不同的线性搜索和半空间,在计算本文所引的两个数值例子时,该算法比文献[10]中的算法所需迭代步更少.     

高效液相色谱内标法检测鸡血浆中甲砜霉素的浓度

以氟甲砜霉素作内标,乙腈作为提取溶剂,采用高效液相色谱内标法检测鸡血浆中甲砜霉素的浓度。色谱柱为Shim-pack CLC-ODS(150 mm×6 mm,5μm),流动相为乙腈-水(体积比25∶75),流速为1.0 mL/min,检测波长为225 nm,柱温为40℃。在此色谱条件下,在0.25~32.00 mg/L浓度范围内,甲砜霉素浓度与甲砜霉素和氟甲砜霉素峰面积比呈线性关系,相关系数r为0.9999,最低检测浓度为0.1 mg/L;在高、中、低3个浓度水平下日内、日间精密度均大于6.1%(n=5),提取回收率大于98.68%,方法回收率为99.20%~100.25%。建立的方法符合生物样品的分析要求,可用于临床药代动力学研究。     

连续流动分析法测定不同冰冻时间的淡水总氮浓度

采用AA3连续流动元素分析仪对不同冰冻时间的标准水样和自然水样的总氮含量进行了测定。结果表明.供试水样在-20℃条件下冰冻30d的总氮浓度稳定,但自然水样较标准水样波动幅度大。